ACA Blog

De IT-keten die je assets rendabel maakt: waarom market integration cruciaal is voor energieproducenten

tom.claus@acagroup.be (Tom Claus) — Tue, 23 Jun 2026 09:46:41 GMT

Windturbines, zonneparken en batterijen krijgen vaak de meeste aandacht wanneer het gaat over de energietransitie. Logisch, want daar zit de investering. Maar voor energieproducenten en assetmanagers zit de echte uitdaging niet in ‘het ijzer’, maar in de laag ertussen: de market integration.

Maak kennis met AWS Quick: de AI-agent die het werk écht doet

Stefan Faes — Wed, 17 Jun 2026 13:06:29 GMT

AWS Quick is Amazon's antwoord op een probleem dat bijna elke zakelijke gebruiker kent: AI-tools die vragen kunnen beantwoorden, maar geen acties kunnen uitvoeren. AWS Quick is anders. Het is een agentisch AI-platform dat meerstapsworkflows automatiseert in je volledige tech stack, zonder ook maar één regel code te schrijven.

Robbe en Shane versterken ACA team met expertise in web scrapers

ACA Group Team — Tue, 28 Apr 2026 09:14:08 GMT

Het internet is een gigantische opslagplaats van openbaar beschikbare gegevens die om verschillende redenen interessant kunnen zijn om te verzamelen, op te slaan en te analyseren. Als je elke keer handmatig naar een pagina moet navigeren en de benodigde informatie moet selecteren, kost dat veel werk. De oplossing is een webscraper die de gegevens automatisch verzamelt. Om klanten hierbij te ondersteunen, kan ACA rekenen op twee jonge aanwinsten: Robbe en Shane.

De ideale oplossing om gegevens van websites te verzamelen is het gebruik van een API. Helaas is dat niet altijd mogelijk. Een API kan bijvoorbeeld betaald zijn, alleen beschikbaar voor een specifieke doelgroep, en soms heeft de informatieleverancier gewoon geen API. Daarom kun je een webscraper gebruiken , een bot die naar pagina's navigeert, de HTML (broncode) interpreteert en de benodigde gegevens eruit haalt.

Python is een uitstekende programmeertaal om een webscraper te bouwen die heel snel automatisch miljoenen gegevenspunten kan extraheren, wat je natuurlijk heel wat manuele werkuren bespaart. Je kunt de gegevens vervolgens gebruiken voor verschillende doeleinden, zoals leadgeneratie, marktonderzoek, het detecteren van koerswijzigingen, het volgen van concurrenten of trends, gegevensherstel, enz.

ACA heeft veel ervaring met dit soort projecten en kan ook rekenen op jonge medewerkers die tijdens hun opleiding de functionaliteiten van een web scraper hebben bestudeerd:

1. Maak kennis met Robbe Van den Hove

Tijdens zijn informaticastudie koos Robbe een webscraper als hoofdonderwerp van zijn bachelorproef. Hij bouwde een applicatie die de prijzenmarkt van de cryptowereld op de voet volgt. De gegevens die door de webscraper worden verzameld, worden geanalyseerd om potentiële veranderingen te detecteren. De tool stuurt vervolgens een notificatie naar de gebruiker van het programma, zodat hij onmiddellijk op de hoogte is van eventuele veranderingen in de markt.

2. Maak kennis met Shane Gastmans

Shane heeft tijdens zijn bachelor ook ervaring opgedaan met web scrapers. Tijdens zijn stage bij ACA Group bouwde hij een interne tool om prospects te vinden voor een bepaalde technologie. De applicatie gebruikt webscrapers om informatie uit verschillende bronnen te halen, waarna de gegevens verwerkt en verrijkt worden door de applicatie. De resultaten verschijnen in een duidelijke interface.

Dankzij Shane's creatie hoeven onze verkopers tegenwoordig minder tijd te besteden aan het zoeken en verzamelen van informatie over klanten en prospects.

Net als Robbe kwam Shane een tijdje geleden bij het ACA-team en nu helpt hij onze klanten. 🙌

Tijdens onze stage bij ACA ontdekten we het volledige potentieel van het web door middel van webscraping en leerden we dat webscraping niet alleen een technische vaardigheid is, maar ook een strategisch hulpmiddel dat nieuwe kansen kan ontsluiten en kan helpen bij het nemen van weloverwogen zakelijke beslissingen.

- Robbe & Shane Robbe & Shane , Python-ontwikkelaars bij ACA Group

Wil je ons team versterken?

Zijn web scrapers ook jouw specialiteit? Spreek je vloeiend Python? Of heb je een andere superkracht in IT? Bekijk dan zeker onze vacatures en wie weet maak jij binnenkort ook deel uit van ACA Group!

Hoge energieprijzen vragen om betere digitale klantbeleving

tom.claus@acagroup.be (Tom Claus) — Tue, 07 Apr 2026 23:00:00 GMT

Een klantenportaal 2.0 en een energie app die meer doen dan alleen verbruik tonen. Dat zijn dé twee manieren om als energieleverancier je digitale klantbeleving te verbeteren. In dit artikel geven we een woordje uitleg, een aantal concrete ideeën en twee succesvolle voorbeelden uit de praktijk.

Schommelende energieprijzen en een hoger bewustzijn rond duurzaamheid verhogen de verwachtingen van je klanten. Ze leggen de lat hoger. Waar vroeger een correcte factuur volstond, verwachten klanten nu

real-time transparantie,
diepgaande inzichten,
en pro-actieve begeleiding.

Voor jou als energieleverancier impliceert dit een verschuiving. Een verschuiving van klassieke leverancier naar een digitale partner die klanten helpt hun energiegebruik beter te begrijpen en te sturen.

Toch blijft de klantinteractie bij veel leveranciers nog beperkt tot facturen versturen en een eenvoudig portaal. Maar in een markt met dynamische prijzen, slimme meters en nieuwe energiediensten volstaat dat model niet meer.

Hoe ga je van energiefactuur naar echt inzicht?

Een energiefactuur komt voor klanten vaak te laat om hun gedrag nog aan te passen. De meeste facturen bevatten ook geen tips of inzichten om hun verbruik te laten dalen. Laat staan een duidelijk en gepersonaliseerd advies om bewuster met energie om te gaan.

Een goed digitaal klantenportaal en een gebruiksvriendelijke energie-app brengen redding.

Die maken het mogelijk om je klanten sneller en duidelijker inzicht te geven in hun verbruik, kosten en prijsinformatie. Maar in de praktijk merken we dat de meeste portalen en apps in het beste geval basic te noemen zijn.

Hoe zit dat bij jou?

Toont jouw klantenportaal vooral facturen en toont je energie-app het verbruik, zonder die gegevens te vertalen naar inzichten? Jammer. Want als je er als leverancier in slaagt om energiegegevens begrijpelijk te presenteren, vergroot je én het vertrouwen én de betrokkenheid bij je klanten.

Hier ligt voor veel energieleveranciers dan ook een grote opportuniteit.

Hoe maak je als energieleverancier het verschil met je klantenportaal en app?

Veel energieleveranciers beschikken al over sterke backoffice-systemen, zoals bijvoorbeeld Cogenius of Ferranti MECOMS 365. Maar even vaak ontbreekt de link richting de klant. Er is geen digitale laag die complexe energiedata op een eenvoudige manier visualiseert in hun klantenportaal of app.

Daarin speelt het gebruiksgemak (UX, gebruikersonderzoek en service design) een cruciale rol. Wij van ACA Group beschikken over gespecialiseerde teams die klantnoden analyseren en digitale interacties ontwerpen om zo energie-informatie helder en bruikbaar te maken.

Wij geloven niet in een risicovolle ‘big bang’ implementatie. Daarom hanteren we eenpragmatische aanpak met een groeimodel in drie fases. Zo bouwen we een nieuw klantenportaal of energie-app stapsgewijs op, waarbij elke fase meteen waarde oplevert. Zo rendeert jouw investering sneller en behouden we de volledige controle over de uitrol naar een volwaardige full-service digitale klantervaring.

Voor klantportalen kiezen we voor een moderne, mobile-friendly architectuur. Hierdoor kunnen we hetzelfde platform eenvoudig uitbreiden naar een native iOS- en Android-app. Dit maakt het mogelijk om mobiele toepassingen te lanceren tegen een fractie van de klassieke ontwikkelkosten. En dat zonder in te boeten op gebruikservaring of prestaties.

Waarom ACA Group als jouw digitale partner?

Omdat we veel ervaring hebben in de energiesector. Zo ontwikkelden we al klantenportalen, energie-apps en andere digitale toepassingen voor onder meer Energie.be, Ecofix GP en Luminus.

1. Snel energietarieven vergelijken met Energie.be

Voor Energie.be bouwden we een platform met een geautomatiseerde tariefcheck. Die Tariefcheck helpt klanten om in een complexe energiemarkt makkelijk contracten en prijzen te vergelijken.

2. Branding, app en website voor Ecofix

Voor Ecofix ontwikkelden we dan weer een digitaal ecosysteem met website, klantportaal en mobiele app.

In de energie-app integreerden we functionaliteiten zoals:

Dagdagelijks verbruik monitoren
Slimme toestellen beheren
Actuele marktprijzen opvolgen
Energieverbruik slim inplannen
Facturen bekijken en direct betalen

Benieuwd naar onze aanpak?

Klaar voor een beter klantenportaal of energie-app?

ACA helpt je met UX-onderzoek, ontwerp en de ontwikkeling van moderne klantenplatformen en gebruiksvriendelijke apps. Inclusief integraties met systemen zoals Cogenius en Ferranti MECOMS 365.

Benieuwd naar onze aanpak?

De AI-trein: waar ligt vandaag de échte AI-impact voor jouw bedrijf?

alexander.frimout@acagroup.be (Alexander Frimout) — Thu, 26 Mar 2026 00:00:00 GMT

Nestelde jouw bedrijf zich al in de zetels van de eerste klasse of heb je je plekje op de AI-trein nog niet gevonden?
Onze AI-expert Alexander Frimout legt uit welke processen bij uitstek geschikt zijn voor je eerste AI-businesscase.
En vertelt waarom sommige bedrijven niet in de beste wagons zitten…

De mogelijkheden zijn enorm. De use cases die dat bewijzen, breiden zich in snel tempo uit. Veel bedrijven voelen dan ook de druk om iets te doen met AI.

Maar wat is dan die iets? Waar begin je als bedrijf met je eerste AI-businesscase? Hoe identificeer je de tools die écht een meerwaarde opleveren voor jouw business? Of anders verwoord: in welke wagon van onderstaande trein moet jij plaatsnemen?

Voor veel bedrijven zijn dat de deuren van die eerste wagon net achter de locomotief: de chatbots.

Waarom net daar?

Waarschijnlijk omdat de ChatGPT’s en Gemini’s van deze wereld de AI-technologie zijn waar we ons het meest vertrouwd mee voelen. Van alle tools, platformen en apps zijn chatbots het meest bekend bij het grote publiek. Dat maakt de drempel naar een professionele context net dat tikkeltje lager.

Chatbots: de AI business case zonder ROI

Toch is net deze wagon het minst interessant voor bedrijven , aldus Alexander.

“Chatbots verbeteren je persoonlijke efficiëntie. Maar de impact op bedrijfsniveau? Beperkt. Ik heb nog nooit met een bedrijf gesproken dat een concrete return on investment kon voorleggen.”

“Toch is dat precies wat bij heel wat bedrijven gebeurt: we pakken 100 licenties op Microsoft Copilot en dat is het dan. Wat die collega’s er dan precies mee doen, dat blijft vaag. Je kan als bedrijf dan AI afvinken, maar volgens mij levert dat geen meerwaarde op. Het is geen volwaardige business case met een duidelijk vooropgestelde ROI.”

Technologie: de laatste vier wagons

De echte winsten zitten volgens Alexander op een snijlijn. De snijlijn tussen de vier laatste wagons en backoffice applicaties.

Eerst een woordje uitleg over die wagons.

AI Products: kant-en-klare AI-integraties binnen platformen en tools zoals je Customer Relationship Management (CRM), Enterprise Resource Planning (ERP) of Warehouse Management System (WMS) .
Workflows: automatisering van taken (n8n, bijvoorbeeld) voor wie minder technisch onderlegd is. Denk aan automatische opvolging van leads of factuurherinneringen.
Custom Solutions: maatwerksoftware die naadloos aansluit op jouw unieke bedrijfsproces. Hier is de sky the limit.
AI Development: tools zoals Claude of Lovable die je developers helpen om sneller en foutloos code te schrijven.

Technologie: check. Laten we nu samen kijken naar de bedrijfsprocessen die het meest relevant zijn voor je allereerste AI business case.

Processen: geïntegreerde backoffice applicaties

De meest interessante AI business cases concentreren zich op backoffice applicaties die goed geïntegreerd zijn met bestaande software.

Denk aan LLM’s die je customer service teams helpen om sneller op de bal te spelen. Of een custom software die leverbonnen scant en die automatisch omzet naar een standaard template.

Waarom zijn net die processen het meest interessant?

Ze gebeuren op een computer en zijn dus digitaal.
Er is Interactie met andere softwaresystemen. Denk aan een mailbox, een CRM-systeem of warehouse management. Er zit dus al een zekere structuur in de data. En die data zit al in het ecosysteem van je bedrijf.
Taal is nog altijd de beste input voor taalmodellen.
Het gaat om herhaalbare processen. Zoals leverbonnen ingeven, simpele e-mails beantwoorden of facturen opstellen.
De meerwaarde van menselijke expertise is voor veel taken veelal beperkt. Net omdat het de digitale variant is van manueel bandwerk. Waarom zou je collega 49 soortgelijke e-mails van klanten beantwoorden als hij of zij daardoor minder tijd kan besteden aan die ene e-mail waarvoor zijn of haar expertise echt nodig is?

AI business case in de praktijk: Decomecc

Laten we die snijlijn tussen AI-technologie en backofficeprocessen concreter maken.

Maak kennis met Decomecc. Dit Genkse bedrijf bewerkt aluminium en (roestvrij)staal: op maat snijden of zagen, coatings aanbrengen…

Op hun site is het een komen en gaan van trucks die de coils op bovenstaande foto leveren. Decomecc verwerkt zo’n 20 tot 30 leveringen per dag.

De situatie ervoor…

Aan de administratieve collega’s om elke levering en leverbon te checken:

Wat wordt er precies geleverd?
Is de levering correct?
Bij welk project/klant hoort deze coil?

Enzoverder enzoverder.

Dat betekent: leverbon lezen, opzoeken in de database, de informatie overtypen…

In het beste geval duurt dat zo’n 15 minuten. Maar niet elke chauffeur heeft meteen de juiste papieren bij. En niet elke collega vindt de juiste gegevens even snel. Daar komt ook nog eens bij dat manueel werk een zekere foutenmarge heeft.

De situatie nu

De medewerker scant de bestelbon in. Die wordt automatisch doorgestuurd naar de custom AI-tool die wij voor hen maakten. Die gaat dan zelf op zoek naar de juiste informatie en matcht die met de eigen database.

De medewerker krijgt na een minuut een voorstel:

Dit is volgens mij het project waar deze leverbon bij hoort. Met een score op 100%.
Dit zijn de gegevens die ik na jouw goedkeuring ga aanvullen.
Daardoor komt er voor de collega nu tijd vrij om zich te concentreren op die leverbonnen die de AI-tool niet meteen kan thuisbrengen. Doordat de leverbon fout is, de chauffeur op de verkeerde dag leverde of de bestelling zelf niet klopt.

Het eindresultaat?

Lagere foutenmarge
Snellere afhandeling
Eigen projecten die sneller kunnen opstarten
Beter stock management
En minder slechtgezinde chauffeurs aan het onthaal

🎥 Benieuwd hoe Decomecc hun administratie automatiseerde? Bekijk de volledige video.

Klaar voor vertrek: jouw AI-checklist

Zelf al een idee welke backoffice processen ideaal zouden zijn voor je eerste AI business case? Hoe meer vinkjes je kan zetten op onderstaande checklist, hoe relevanter.

Wat is de kost van het probleem vandaag?
Zijn er kwaliteitsrisico’s (impact menselijke/AI fout)?
Is er “referentiedata” om mee te vergelijken of moet het systeem data creëren (bvb order)?
Rol van de menselijke controleur?
Zijn de systemen waarmee de AI moet interageren toegankelijk?
Hoe “gestandaardiseerd” is het werk / hoeveel uitzonderingen zijn er?
Zijn er andere randvoorwaarden? (Security, verwerkingssnelheid…)

Op de rails…

Check en check? Dan helpen wij jou in een volgende stap om de ROI te bepalen en jouw case te vertalen in een technische oplossing.

Architectuur voor AI: hoe voorkom je ontspoorde code

Stijn Huygh — Wed, 25 Mar 2026 00:00:00 GMT

We moeten het hebben over de "illusie van snelheid" in het tijdperk van AI.

In een tijd waarin elke post op LinkedIn lijkt te tonen dat al je concurrenten de overstap maken van traditioneel coderen naar 100% agentische softwareontwikkeling met AI, ligt de realiteit iets complexer. Hoewel AI-demo's en PoC's indrukwekkende eerste resultaten kunnen opleveren, is het inbedden van agentische softwareontwikkeling met AI in een langetermijnlevenscyclus van applicaties, met productieklare vereisten, nog altijd een heel ander spel.

Bij ACA vertrekken we vanuit het definiëren en meten van onze kwaliteitsnormen en doelstellingen, structuren, controles en guardrails. Vervolgens kunnen we, terwijl we agentische AI-capaciteiten toevoegen, de uitkomsten op een feitelijke en continu gemonitorde manier verifiëren en beheersen. Als onze AI-opzet ons helpt om binnen die grenzen te versnellen, is dat geweldig. Maar als AI onze guardrails raakt, merken we dat onmiddellijk en sturen we meteen bij.

Vandaag levert agentische softwareontwikkeling met AI ons daardoor efficiëntiewinsten op van 20 tot 50% ten opzichte van traditioneel coderen. En dat terwijl we onze kwaliteitsnormen op het vlak van performantie, veiligheid en onderhoudbaarheid behouden.

In dit artikel van Stijn Huygh gaan we dieper in op hoe we dat realiseren.

Waarom snel ogende AI-output in stilte de softwarekwaliteit kan ondermijnen

Elke ontwikkelaar heeft de eerste rush ervaren van werken met een coderende LLM. Je vraagt om een feature en seconden later heb je code. Die compileert, draait en ziet er grotendeels correct uit.

Maar snelheid kan bedrieglijk zijn.

Het grootste risico van AI-ondersteunde ontwikkeling is niet dat de code zal falen. Het is dat ze werkt terwijl ze in stilte je architectuur aantast. Zonder guardrails volgt AI je engineeringcultuur niet. Ze volgt het statistische gemiddelde van het internet. Dat is zelden wat je wilt in een productieklaar systeem.

Als je het systeem niet beheerst, beheers je de output niet.

Daarom is het belangrijk om een softwareontwikkelingslevenscyclus te ontwerpen die focust op het behouden van de integriteit van je codebase. Je wilt dat het eindresultaat performant, veilig en absoluut onderhoudbaar is.

Het echte probleem: door AI veroorzaakte technische schuld

AI begrijpt je architectuur niet; ze leest code, voorspelt patronen en geeft weer wat statistisch gezien het meest waarschijnlijke antwoord is.

Dat wordt een probleem wanneer je systeem steunt op een doordachte structuur. Het model kent je architecturale beslissingen of de redenering erachter niet. Het probeert gewoon zo goed mogelijk werkende code te genereren binnen de instructies die het krijgt.

Het resultaat is code die technisch werkt, maar langzaam wegdrijft van de architectuur die jij ontworpen hebt.

Die afwijking toont zich vaak op subtiele manieren:

ongebruikte methodes
hardcoded strings
code importeren over logische grenzen heen
DTO's die doorlekken naar de UI
logica die compileert maar je regels schendt

Geen van deze problemen breekt de applicatie meteen. De code draait en de feature werkt, maar na verloop van tijd stapelen deze kleine afwijkingen zich op. Technische schuld die door AI wordt geïntroduceerd, kan sneller groeien dan menselijke code review realistisch kan bijbenen. En daar begint het echte probleem.

Dus hebben we de aanpak veranderd. In plaats van met AI te chatten, zijn we de beperkingen eromheen gaan engineeren.

Het framework voor AI-engineering met hoge integriteit

1. Dwing architectuur fysiek af, niet alleen in documentatie

De allereerste stap om de kwaliteit van de codebase te verbeteren, zelfs zonder AI te gebruiken om code te genereren, is bepalen hoe je wilt dat je project gestructureerd wordt. Het doel is om consistentie af te dwingen binnen je project, maar ook over al je andere projecten heen. Wanneer een ontwikkelaar de codebase opent, moet die op basis van je conventies meteen kunnen weten waar alles zich bevindt. Bepaal je applicatiearchitectuur!

De meest voorkomende fout die teams maken is vertrouwen op PDF-documentatie of een wikipagina om architectuur af te dwingen. AI (en mensen) zullen vergeten dat er een standaard is en die gewoon negeren. Het wordt een stuk makkelijker om een hoogwaardige codebase te onderhouden wanneer je architectuur ook in code wordt afgedwongen en niet alleen in documentatie.

Een van de manieren waarop wij dit afdwingen, is door onze gelaagde architectuur op te splitsen in verschillende projecten/packages. Als code niet blootgesteld wordt aan een andere laag, of de laag waarin je zit geen toegang heeft tot een specifiek package, dan zal die code niet gebruikt worden door die laag.

Zie mappen als geschilderde lijnen op een weg: het zijn suggesties waar je per ongeluk gemakkelijk overheen rijdt. Aparte projecten (of packages) zijn betonnen muren. Door je lagen te structureren als afzonderlijke packages met pubspec.YAML-regels voorkomen fysiek dat AI-code uit de verkeerde laag importeert.

Als AI probeert om de API-laag rechtstreeks in de UI te importeren, dan blokkeert de compiler dat onmiddellijk, niet een menselijke reviewer.

Onze gelaagde architectuur ziet er zo uit:

_p4_ui: Puur presentatief. Geen businesslogica toegestaan, MVVM-patroon.
_p3_application: Orkestreert use cases. Genereert nooit exceptions. Geeft Response-objecten terug.
_p2_data: Beheert DTO's. Regel: DTO's verlaten deze laag nooit; ze worden onmiddellijk gemapt naar het domein. DTO's lekken dus nooit door naar andere lagen.
_p1_domain: Pure businesslogica.
p0*: Gedeelde fundamenten zoals DI, vertalingen, utilities, en design system.

Als iets de architectuur schendt, markeert de compiler het. Dat haalt ambiguïteit weg en vermindert discussies tijdens code review.

2. Definieer strikte codeerstandaarden en dwing ze af

Je applicatiearchitectuur moet ook verrijkt worden met codeerstandaarden om kwaliteit en consistentie verder te verbeteren. Enkele voorbeelden van codestandaarden die wij afdwingen:

Benaming

Interfaces beginnen met I
Services eindigen op Service
DTO's eindigen op Dto
Enums beginnen met E

Complexiteitslimieten

Maximaal 3 geneste if-statements
Maximaal 75 lijnen per file
Maximaal 500 lijnen per file

Volledigheid

Alle switch cases afgehandeld
Geen gebruik van dynamic

Regel voor de applicatie laag

Geen exceptions. Alleen Response-objecten.

Volgorde

Properties, fields, constructor, public en private functions staan altijd in een specifieke volgorde in je klasse.

De meeste van deze regels worden afgedwongen via linters en statische analyse. Het gaat hier niet om strengheid omwille van de strengheid. Het gaat om voorspelbaarheid. Wanneer de structuur voorspelbaar is, vallen afwijkingen meteen op.

3. Gebruik een mechanisch stappenplan

Een les die we snel geleerd hebben: laat een LLM nooit je boilerplate genereren. Het wordt dan "creatief" met bestandsnamen en mapstructuren, wat leidt tot een rommelige projectboom.

Wij gebruiken "domme tools" voor structuur zodat de "slimme tools" (AI) zich op logica kunnen focussen. Tools zoals Mason laten je deterministische templates genereren met behulp van het Mustache-templatesysteem. Een commando zoals “mason make viewmodel” creëert in enkele seconden de perfecte mapstructuur, bestandsnamen en klassedefinities. De view, viewmodel, interfaces en services worden allemaal aangemaakt met exact onze projectstructuur en codeerrichtlijnen in gedachten.

De strategie: wanneer je AI integreert, vraag haar dan niet om "het bestand te schrijven". Geef AI in plaats daarvan toegang tot je CLI via het Model Context Protocol (MCP) of rechtstreeks via de terminal. AI wordt dan de operator van je scaffoldingtools en voert het mason-commando uit om 100% consistentie te garanderen nog voor ze één enkele lijn logica schrijft.

4. Structureer documentatie voor AI: het drielagig documentatiesysteem

"Generieke trainingsdata produceren generieke code." Als je wilt dat AI code schrijft die eruitziet alsof ze door jouw team is geschreven, moet je de juiste context aanreiken.

Wij gebruiken een drielagig documentatiesysteem om het contextvenster efficiënt te voeden.

Laag 1: golden rules (altijd aan)

Een lichtgewicht bestand met niet-onderhandelbare regels. Bijvoorbeeld:

De Application-laag gooit nooit exceptions.
DTO's verlaten de datalaag nooit.
Nieuwe views worden gegenereerd via de goedgekeurde scaffoldingtools.

Laag 2: Architecture deep dive

Referentiedocumenten die uitleggen:

Verantwoordelijkheden van lagen
Testingpatronen
Gebruik van het design system
Codeerrichtlijnen

Laag 3: Workflows en instructies voor agents

Stap-voor-stapinstructies over hoe AI-agents moeten werken. Duidelijke documentatie vermindert ambiguïteit. Minder ambiguïteit leidt tot consistentere output.

5. De Agentic Workflow: verdeel het denkwerk

De grootste sprong in kwaliteit komt voort uit het loslaten van één enkel chatvenster ten gunste van gespecialiseerde AI-agents. Die scheiding van verantwoordelijkheden voorkomt hallucinaties door de scope van elke agent te beperken.

In plaats van één "Coder" zetten we een team in:

1. De architect (de denker)

Beperking: NO CODING.
Rol: Leest de user story, verkent de codebase en schrijft een plan.md. Dit is een stapsgewijs uitvoeringsplan (bv. "1. Create DTO, 2. Map Domain").
Voordeel: “Human in the loop” - Je beoordeelt het plan vóór de code geschreven wordt, waardoor over-engineering voorkomen wordt.

2. De coder (de doener)

Beperking: Werkt één stap tegelijk.
Rol: Leest plan.md, implementeert stap 1, voert tests uit, werkt het plan bij en STOPT voor goedkeuring. Hij kan geen stappen overslaan.

3. De reviewer (de bewaker)

Beperking: Maximaal 15 opmerkingen, gerangschikt naar ernst.
Rol: Gespecialiseerd in het opsporen van schendingen van lagen en copy-pastefouten die mensen vaak missen.

Van code schrijven naar systemen ontwerpen

AI-engineering met hoge integriteit draait niet om betere prompts te schrijven, maar om betere systemen te bouwen.

Wanneer AI herhaaldelijk dezelfde fout maakt, is de oplossing geen betere prompt. Het is een beter systeem.

Versterk architecturale grenzen
Voeg linterregels toe of verfijn ze
Verbeter het stappenplan
Verduidelijk documentatie

Na verloop van tijd creëert dat een omgeving waarin AI een betrouwbare versneller wordt in plaats van een bron van ruis.

Belangrijkste inzichten

AI versnelt ontwikkeling. Ze kan ook technische schuld versneld opbouwen.
Architectuur moet in code afgedwongen worden, niet alleen beschreven in documentatie.
Deterministische scaffolding verbetert consistentie.
Geautomatiseerde kwaliteitscontroles beschermen de onderhoudbaarheid op lange termijn.
Duidelijke documentatie en gestructureerde workflows verbeteren AI-output.

AI is krachtig. Maar het presteert het best binnen goed afgebakende systemen.

Structuur vertraagt je niet. Ze laat je toe om snel te bewegen met vertrouwen.

Van stagiair naar vaste waarde: het verhaal van Jelle 📱

jelle.schrijvers@acagroup.be (Jelle Schrijvers) — Thu, 12 Mar 2026 00:00:00 GMT

Stel je voor: je start als stagiair, bouwt je eerste Flutter-app, leert van ervaren collega's… en groeit stap voor stap door naar een developer met steeds meer verantwoordelijkheid. Dat is precies het traject van Jelle binnen ACA. We gingen met hem in gesprek over zijn groeipad, leermomenten en hoe het is om als Mobile Developer bij ACA te werken.

Hoe Model Context Protocol de integratie voor AI-applicaties kan automatiseren (en je uren codeerwerk kan besparen)

kamen.zhekov@acagroup.be (Kamen Zhekov) — Wed, 18 Feb 2026 00:00:00 GMT

Voor elke externe tool die je met je AI-systeem wilt verbinden, moet je een custom integratie bouwen. Dat brengt twee grote nadelen met zich mee. Eén: het kost veel tijd. Twee: deze manier van werken is niet schaalbaar. Gelukkig kan het Model Context Protocol (MCP) dit oplossen. In dit artikel leggen we uit hoe MCP werkt, wat er aan de serverzijde gebeurt en gaan we in op security.

ACA behaalt ISO 27001 certificaat: wat dit betekent voor veilige en conforme software

Simon Vercruysse — Fri, 19 Dec 2025 00:00:00 GMT

We zijn als ACA Group officieel ISO 27001 compliant! Onze Information Security Manager Simon Vercruysse legt uit wat die certificatie precies inhoudt en wat de voordelen zijn voor jouw (toekomstige) project.

ACA is terug op CloudBrew 2025 met een tweedaagse Deep Dive in Microsoft Azure

patrik.soderstrom@acagroup.be (Patrik Söderström) — Thu, 18 Dec 2025 00:00:00 GMT

CloudBrew is altijd een hoogtepunt op onze kalender geweest, maar de editie van 2025 voelde anders. Misschien lag het aan de timing. Slechts een maand eerder, in november 2025, opende de Azure Belgium Central-regio eindelijk haar deuren. ACA opereert al altijd vanuit het hart van Europa, dus het live gaan van deze grote nationale mijlpaal net voor de conferentie zorgde voor een extra dosis enthousiasme.